University of St Andrews - Online

数字艺术史 MLitt / PGDip / PGCert - 在线

攻读文学硕士 (MLitt) 的学生需要学习艺术史的五个模块、计算机科学的三个模块，并完成约定主题的论文或最终项目。

攻读研究生证书 (PGCert) 的学生需要学习三个艺术史模块和一个计算机科学模块。攻读研究生文凭 (PGDip) 的学生需要学习五个艺术史模块和三个计算机科学模块。

MLitt

论文或最终项目

成功完成课程后（详情请参阅下文PGCert和PGDip下的模块），MLitt学生将完成60学分（15,000字）的论文模块。论文应展现独立思考或原创性，并基于清晰的研究、分析和解读。论文应展现学术工作所需的组织和表达能力。

学生在研究和撰写论文期间至少要与导师会面三次，并为提交草稿和及时反馈做出适当安排。

PGCert 和 PGDip

数字艺术史与人文学科导论

介绍与数字艺术史相关的关键问题、主题和思想。

用Python编程

介绍并修改 Python 中的建模、设计和实现。

数字艺术——从计算机生成的项目到人工智能

分析艺术家、档案管理员、策展人和其他博物馆专业人员实施数字工具、材料和方法的方式。

数字工具——可视化、解释和分析

介绍艺术史学家可用的关键技术和数字平台，以及它们如何促进（或限制）我们对艺术历史数据的分析、解释和可视化。

项目工作——理论

将挑战学生批判性地分析数字艺术史学家的方法论选择。一系列主要研究项目将作为案例研究，使学生能够探索数字人文和艺术史学科的核心理论和方法在实践中如何发挥作用。

项目工作——数据分析

要求学生根据从真实集合中提取的给定数据集设计和开发自己的研究项目。

数据和信息可视化

重点关注如何利用视觉表现形式使信息可供探索和分析的问题。

机器学习算法

涵盖基本理论和算法，包括数学基础和方法论方法，使用各种回归、分类和无监督方法。

复杂系统建模与模拟

介绍了一系列技术及其在不同类别问题中的应用，重点关注现代基于网络的模型和模拟。

离散优化

涵盖用于解决整数规划和组合优化问题的理论、工具和技术。

数据驱动系统

它是一个以高级研究为重点的模块，介绍了分布式系统和处理数据的技术的基础。

数值优化

以线性代数和优化作为主要感兴趣的主题，以机器学习问题的解决方案作为由此产生的工具、技术和算法的应用。

数据科学的研究方法

介绍数据科学研究的规划、数据收集、数据分析和传播阶段所需的技能。

知识发现和数据挖掘

涵盖了“数据挖掘”旗帜下的许多方法，从理论角度构建，但最终教授实际应用。

您将学习：

• 数字技术的可能性、局限性和风险及其对艺术和工业的影响。
• 数字工具如何改变人们接触和理解收藏品和文物的方式。
• 道德、包容性和可访问性问题——数字艺术史真的更加公平和可访问吗？
• 数字访问、创造性工作和有关收藏的决策涵盖人工智能的作用和使用技术去殖民化收藏等主题。

您将开发和探索自己的研究问题，以测试您的新计算技能，使用在日益数字化的世界中取得成功所需的技术，包括：

• 数据和文本挖掘
• 可视化、设计和交互的原则
• 实用的可视化技术和工具
• 数字测绘技术
• 机器学习

本课程旨在为您提供职业生涯成功所需的知识和技能，无论您是希望在现有职位上发展还是刚进入该行业。

我们的艺术史专业毕业生从事各种职务，包括大学、博物馆、画廊、拍卖行、媒体和艺术品经销商，负责研究、策展、收藏、档案、展览以及学习和参与等职务。

拥有研究生学历的遗产领域从业人员薪资往往更高。政府研究发现，授课型研究生的终身薪资比本科毕业生高出6.1万英镑。

无论身在何处， St Andrews都与您同在。 St Andrews大学的在线硕士课程融合了在世界最古老、最优秀的大学之一学习的所有优势，以及灵活、个性化学习的所有优势。

无论您是线上还是线下加入我们，毕业后，您都将成为大学全球校友社区的一员。您将受益于校友俱乐部、Saint Connect 人脉和指导平台以及职业支持。

教学

通过讲座、辅导和实践工作进行。

时间表

您将按照适合您的工作和学习环境的速度和时间表访问模块和组件。